Spark的基本概念及工作原理
<div class="tags-box space">
<span class="label">个人分类：</span>
<a class="tag-link" href="" target="_blank">Spark </a><a class="tag-link" href="" target="_blank">Scala </a>
</div>
</div>
<div class="operating">
</div>
</div>
</div>
</div>
<article class="baidu_pl">
<div id="article_content" class="article_content clearfix csdn-tracking-statistics" data-pid="blog" data-mod="popu_307" data-dsm="post">
<div class="article-copyright">
版权声明： </div>
<link rel="stylesheet" href="">
<div class="htmledit_views" >
/* * Cluster-> WordNode -> Executors -> Threads -> Task * * Job Action操作 * Stage shuffle操作 * * Application -> Jobs -> Stages -> Task */
Spark作业的基本概念
-Application：用户自定义的Spark程序，用户提交后，Spark为App分配资源将程序转换并执行。
-Driver Program：运行Application的main()函数并且创建SparkContext。
-RDD DAG：当RDD遇到Action算子，将之前的所有算子形成一个有向无环图(DAG)。再在Spark中转化为Job，提交到集群进行执行。一个App中可以包含多Job。
-Job：一个RDD Graph触发的作业，往往由Spark Action算子触发，在SparkContext中通过runJob方法向Spark提交Job。
-Stage：每个Job会根据RDD的宽依赖关系被切分很多Stage，每个Stage中包含一组相同的Task，这一组Task也叫TaskSet。
-Task：一个分区对应一个Task,Task执行RDD中对应Stage中所包含的算子。Task被封装好后放入Executor的线程池中执行。Executor会在线程池中取得一个线程，分配给一个任务，之后任务执行完成，线程池回收线程。
Spark程序与作用概念映射
val rawFile = sc.textFile("README.md") //Application:1-6行
（将输入的文本文件转化为RDD）
val words = rawFile.flatMap(line=>line.split(" ")) //Job:1-5行
（将文本文件映射为word单词，将文本文件进行分词，转换为一个单词的RDD）
val wordNumber = words.map(w=>(w,1)) //Stage:1-3或4-5行
（将RDD中的每个单词映射为，单词名称为key，value为1的kye-value对）
val wordCounts = wordNumber.reduceByKey(_+_) //Tasks:1-3或4-5行
（通过reduceBykey操作，将同一个单词的数据进行聚集，进而统计好每一个单词的个数）
wordCounts.foreach(println)
（foreach输出每一个单词的计数）
wordCounts.saveAsTextFile
（saveAsTextFile将结果保存到磁盘）
6行代码对应为一个Application，这个应用程序中有两个Job，1-5行是一个Job,1-4 + 6行是一个Job。
在1-5行这个Job中：
1-3行是一个stage，4-5行是一个stage，因为map和reduceByKey之间要进行shuffle操作。
Spark作业运行流程
-Spark程序转换，将应用程序提交到集群，集群将程序由一个application转换成不同的任务集；
-在集群中输入数据块
-集群会根据调度策略执行各个Stage的Tasks分发到各个节点，在每个数据块上进行执行
-执行完成后，会根据shuffle在集群中将结果进行混洗，再进行下一阶段的Stage，直到所有Stage执行完毕，输出结果返回
Driver
sc
DAGScheduler -> Stage -> Task
TaskScheduler -> 分发Task到Worker
Driver -> 收集Worker的计算结果
Work
执行Task
<script>
(function(){
function setArticleH(btnReadmore,posi){
var winH = $(window).height();
var articleBox = $("div.article_content");
var artH = articleBox.height();
if(artH > winH*posi){
articleBox.css({
'height':winH*posi+'px',
'overflow':'hidden'
})
btnReadmore.click(function(){
articleBox.removeAttr("style");
$(this).parent().remove();
})
}else{
btnReadmore.parent().remove();
}
}
var btnReadmore = $("#btn-readmore");
if(btnReadmore.length>0){
if(currentUserName){
setArticleH(btnReadmore,3);
}else{
setArticleH(btnReadmore,1.2);
}
}
})()
</script>
</article>
